ИИ

Любимое противостояние десятилетия: Маск vs Альтман Из-за конфликта с Apple Илон Маск снова назвал CEO OpenAI Скамом Альтманом и сказал, что он «выводит обман на другой уровень». На что Альтман упрекнул его в том, что Маск сам собирает инвестиции на сомнительный проект быстрого строительства датацентров в космосе. Ответ Маска убил:

Мы начнем запускать их в следующем году. Может, ты сможешь приехать посмотреть, если твой офицер по условно-досрочному освобождению одобрит. После того как ты украл благотворительную открытую ИИ-организацию, ты еще и украл технологии Apple! Вау. Что ты планируешь на бис? Это трудно переплюнуть.

Бой в клетке когда?

Был в этом году у меня дипломник, написал диплом на тему "мультиагентных систем". Такой пункт добавили в описание паспорта научной специальности "искусственный интеллект" буквально в апреле, чем мы и воспользовались. Очень кратко: студент погонял "скрепку" с целью определить, действительно ли можно сделать стартап из одного человека на 100 миллионов капитализации, и пришел к выводу, что текущий потолок - 10, потому что дальше расход токенов превышает зарплаты вытесняемых людей, а фаундеру перестает хватать часов в рабочем дне даже с оркестратором за всем следить и все подтверждать. Добротная работа, не откровение, но ценные выводы, подкрепленные расчетами. Попал диплом на защиту перед комиссией, комиссия пыталась-пыталась понять, что это за новомодная чертовщина, и в итоге поставила совсем незаслуженно низкую оценку. Я такого уже навидался, так что ругаться не пошел - самого с подобной темой отфутболили с конференции с уничижительной рецензией... но история внезапно получила продолжение. Приглашают молодого специалиста буквально через четыре дня после вручения диплома на собеседование в очень крупную промышленную компанию на должность рядового аналитика. Идет собеседование онлайн, то-се, а чем ты, мил человек, по диплому занимался? Дипломник рассказывает. Собеседник: - Погоди-ка, дай я начальника подключу... Подключается начальник всей аналитики в компании. История повторяется. Начальник: - Так, сейчас я узнаю, где директор... Директор (уровня замглавы компании) подключился, задал пару вопросов по сути дела и исчез. Оставшиеся начальники говорят: мы тоже пойдем, скоро свяжемся снова. Связался через два часа эйчар с оффером. За эти два часа в компании создали новый отдел ИИ-аналитики, куда заведовать моего дипломника и позвали. С задачей перегнать в агентов с оркестраторами всю аналитику и точно выяснить, кого из сотрудников можно уволить, а кому нужно прибавить, чтоб все было по уму и в оптимальном бюджете. Люди сразу врубились, значит, что это такое и для чего им нужно. И кто. "И сбылось по написанному: Камень, который отвергли строители, сделался главою угла". Вот будут мне в следующий раз говорить: вы, Юрий Павлович, и сами хуйней занимаетесь, и студентов хуйне учите - я этот кейс-то и расскажу. Растет копилочка кейсов. 😝 #toldya

Забавно, что лет десять назад все искали маркетологов, которые умеют делать трафик Директ, Google Ads, таргет в соцсетях и тд. Вебинары про интернет-маркетинг у Еламы старикашки наверное поменят😁Последние года три всем нужны маркетологи с фокусом на контент. По моей работе в блоке маркетинга то же самое: десять лет назад - кабинеты и сквозная аналитика, последние годы - соцсети, блоги, crm-маркетинг

Это предсказывали заранее: аналитики еще в эпоху перфоманса предсказывали рост рынка контент-маркетинга на 16% в год. Кто тогда начал делать контент наверняка в кризисы последних лет чувствовал себя чуть увереннее тех, кто жил за счет платного трафа

Сейчас формируется следующий сдвиг. Объём традиционного поиска падает на 25%, люди спрашивают у ChatGPT. Говорят, скоро ИИ-агент будет советовать, а потом и покупать за человека: сравнивать, торговаться, оформлять.

То есть новая задача бизнеса будет убедить ИИ, что вы лучший ответ

Что уже начинать делать, чтоб в следующую волну кризисов чувствовать себя получше: 1️⃣ Проверьте, существуете ли вы для ИИ. Вбейте в ChatGPT 10–20 вопросов вашего клиента: «лучший сервис аренды в Дубае», «как выбрать…». Смотрите, кого он цитирует, и системно появляйтесь на этих площадках: экспертные статьи с цифрами, обзоры, отраслевые каталоги, отзывы 2️⃣ Приведите базу в порядок. Когда выдачу контролирует алгоритм, единственное, что принадлежит вам - это ваши базы контактов. Не список телефонов, а размеченная база: кто, что, когда покупал, на что реагировал, в какой сезон пришел и тд. Подписывайте базу в разные соцсети, блоги В общем, скучная системная работа на будущее, которая, возможно через пару лет поможет вам быть впереди

Автора автомобильного издания The Drive окружили четыре полицейские машины на парковке Kohl's в пригороде Миннесоты и продержали час, потому что камеры Flock приняли его тестовый Range Rover стоимостью 155 000 долларов за угнанный. Полиция города Плимут несколько дней вела за ним слежку по считывателям номеров и ждала момента. Ситуация разрешилась лишь потому, что один из полицейских слышал про его издание. Офицер Ганшин заявил, что номера числятся в угоне, и добавил, что сами полицейские не знают, угнали автомобиль целиком или сняли только знаки. VIN проверили — чистый, но номера, по их версии, всё равно крадены. Офицер показал увеличенный снимок номера Нью-Джерси «34 10 DTM» с подписью «VEHICLE MFR». Цифра «10» набрана шрифтом заметно мельче остальных символов, таков нестандартный формат номеров для автопроизводителей. Именно этот знак дилер Jaguar Land Rover в Лос-Анджелесе заявил как украденный. Журналист дозвонился в JLR, и вскрылась цепочка. Настоящий номер имел формат 34 03 DTM, но в протокол и в систему Flock его вписали как 34 DTM — пять крупных символов без мелкой цифры посередине. ИИ не распознавал этот нестандартный символ и слал сигнал полиции на любую машину JLR с такой структурой. У многих машин пресс-парка JLR стоят номера Нью-Джерси формата 34 ## DTM, так что в любом городе, где полиция работает с Flock, каждый такой автомобиль помечается угнанным. По словам Ганшина, на той неделе в Миннесоте отслеживали ещё четыре машины серии 34 # DTM. Офицер посоветовал ехать домой, припарковать Range Rover и больше на нём не выезжать. Всё это случилось через две недели после того, как The Drive выпустил материал о превращении камер Flock в систему тотальной слежки, которым поделились десятки тысяч раз. Ганшин его, похоже, не читал. Номер 34 03 DTM при этом вообще не угоняли — его потеряли на фотосессии в Лос-Анджелесе, и в заявлении об утере снова указали усечённо, NJ 34DTM вместо NJ 3403DTM.

Sakana AI показали “умные кирпичи”, которые понимают свою форму и находят повреждения Звучит как sci-fi, но это уже опубликованная работа в Nature Communications. Исследователи собрали простые кубические модули. У каждого — одинаковая маленькая нейросеть, связь только с соседними блоками и никакой карты всей конструкции. Но вместе они могут определить, во что собраны: стол, лодку, самолёт, гитару и другие формы. Cистеме не нужен центральный контроллер. Ни один “кирпич” не знает, где он находится. Глобальная картина появляется из локальных сообщений между соседями. Что умеют Smart Cellular Bricks: * распознавать общую 3D-форму * работать при шумной связи * переживать отказ части модулей * находить, где структура повреждена * подсказывать, куда нужно добавить новые блоки для восстановления Это похоже на то, как живые ткани самоорганизуются и восстанавливаются после повреждений. Пока это не “здание, которое само себя чинит”, а исследовательский прототип. Но направление мощное: материалы и конструкции, которые сами понимают свою конфигурацию, замечают поломки и помогают себя ремонтировать.

О трех в одном Давным-давно, лет пять назад, программисты были дорогими, и это формировало венчурную логику. Стартапер знал, что не может запрограммировать такой же красивый рассыльщик, как Mailchimp, такую же систему управления отзывами как Podium и такую же CRM как Pipedrive. Потом, когда-нибудь, после IPO – да. Но на старте фокус вынужденно был узким, первый релиз – это монопродукт, а не комбайн. Вайбкодинг поменял правила игры. “Напиши мне поиск и социальную сеть” в один промпт пока не работает, но соединить в одном проекте несколько нишевых решений теперь реалистично. И при относительно разумных усилиях это будут не поделки, а вполне качественные продукты, ничем не хуже традиционных аналогов. Американский #стартапдня Pie – пример нового подхода. Он взял три совершенно разные беды малого офлайн-бизнеса и беззастенчиво соединил решения в одной подписке. Стартап продает одновременно попадание в первую строчку выдачи ChatGPT и аналогов, управление рекламными кампаниями и AI-коллцентр. Что между ними общего – даже сам Pie не придумал, на лендинге никакого объединяющего принципа я не вижу. Наверное, где-то была Excel, за что люди платят и что реалистично за месяц выкатить. Или просто “потому что можем”. Потратил стартап на всё про всё 4 миллиона долларов инвестиций, копейки по американским меркам. Причем я уверен, что разработка – ещё и не самая большая статья затрат была. И вот всё работает, клиенты довольны, бизнес растет, инвесторы недавно новый чек выписали – уже 20 миллионов, уже по любым меркам серьезные деньги. https://getpie.com/ #сша #rounda #ai

Ещё больше классных постеров из Сеула — с ICML 2026 RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents Сейчас очень много агентов работает в ReAct парадигме (последовательные reasoning + acting). Авторы считают, что такой подход с длинными линейными цепочками плохо подходит для сложных задач, потому что deep search больше похож на дерево гипотез: модель может наметить несколько веток, но потом забыть часть из них, застрять в локальном направлении или зациклиться. Re-Trac отличается от ReAct: после каждой траектории собирают compressed_state, в котором хранят лучший ответ на текущий момент, список проверенных фактов, логические выводы и список того, что осталось неизвестным. На следующих траекториях авторы стартуют с этого состояния. Благодаря этому авторы получили 53 пункта на BrowseComp с 8 rollout’ами. Прочитав статью, я нашёл подвох: init для sft — это Tongyi-DeepResearch 3A30B, у которого и так 43 пункта на BrowseComp, а замера pass@8 — бейзлайна за схожий compute — для него нет. То есть идея интересная, но реальный эффект Re-Trac для лучшей модели из статьи не указан. Training-Trajectory-Aware Token Selection Исследователи изучают дистилляцию ризонящих моделей. Обычно SFT или дистилляция на reasoning-траекториях не улучшает модель, а иногда даже ухудшает её. Во время обучения loss монотонно падает, а реальные метрики сначала резко проседают (Imitation Shock), но затем постепенно восстанавливаются, при этом не всегда до конца. Авторы заметили расслоение токенов во время обучения на две группы, «полезные» и «вредные», причем одни подавляются другими. Поэтому стандартная дистилляция тратит ранние градиенты на токены, которые мешают обучению более полезных токенов. Как решили проблему: замаскировали «вредные» токены и не добавляют их в loss. Чтобы понять, какие токены маскировать, придумали алгоритм T3S — Training-Trajectory-Aware Token Selection. Сначала модель проходит короткую фазу дистилляции, по ней находят Imitation Shock и затем сравнивают влияние токенов между началом и на чекпоинте, где всё взорвалось. Least-Loaded Expert Parallelism: Load Balancing An Imbalanced Mixture-of-Experts В MoE-модели каждый токен не проходит через весь FFN-блок, вместо этого роутер выбирает для него несколько экспертов. В Expert Parallelism эксперты распределены по GPU: условно, GPU-0 хранит экспертов 0–3, GPU-1 хранит 4–7 и так далее. Проблема возникает, когда роутер выбирает экспертов неравномерно. Например, на math/code данных один эксперт может стать очень популярным, потому что он специализировался на таких токенах. Тогда GPU, на которой лежит этот эксперт, получает слишком много токенов, считает дольше всех и определяет latency всего MoE-слоя. LLEP решает это не изменением роутера, а изменением исполнения. Перед MoE-слоем система смотрит, сколько токенов попало в каждого эксперта и насколько загружена каждая GPU. Если дисбаланс маленький, используется обычный Expert Parallelism. Если дисбаланс большой, LLEP выбирает наименее загруженные GPU и отправляет туда не только токены, как в EP, но и веса перегруженного эксперта. Smaller Models are Natural Explorers for Policy-Level Diversity in GRPO Авторы говорят, что GRPO живёт за счёт разнообразных rollout’ов, но по ходу обучения они становятся однородными, advantage-сигнал слабеет, а прогресс встаёт. Вывели инсайт: GRPO нужно policy-level diversity — когда целые траектории структурно разные, но при этом логически связаны. Обнаружили, что меньшие модели из этого же семейства дают гораздо больше policy-level разнообразия и предложили на ранней стадии обучения часть rollout’ов для большой модели генерировать маленькой замороженной моделью — так можно получить структурно разнообразные траектории на старте. Затем долю маленькой модели постепенно снижали, плавно возвращаясь к стабильному on-policy режиму большой модели. Результаты: на AIME24/25 получили выигрыш 23.8/22.5 против GRPO-базы 15.0/12.1. Увидели и записали полезное для вас ❣ Даниил Кириллов, Иван Сапожков, Аркадий Альшан и Кристина Гуртова #YaICML2026 Душный NLP

Апрель 2026-го. Камера над трассой считала ваш номер и сообщила: пристегнитесь, пройдите техосмотр, оплатите штраф. Удобно! Кажется, что государство просто автоматизировало заботу о безопасности. Так ведь?   А теперь второй вариант – то же табло, но: заплати алименты, пройди вакцинацию, зайди в военкомат, подпишись на Max. От этого списка уже иное впечатление, поскольку грань между удобным сервисом и тотальным контролем здесь стирается.   Я задал читателям простой вопрос: как далеко между этими двумя вариантами табло? 1. Месяцы? 2. Годы? 3. Или второго варианта табло никогда не будет?   В Телеграме большинство (45%) проголосовало за №1 (месяцы). В соцсети, которую мы от греха здесь называть не будем (ведь и так всем понятно)), больше всех оказалось за №3 (никогда)     Мой же прогноз не совпал ни с первым, ни вторым: в наших условиях второй вариант неизбежен на рубеже 2–4 года. И дело тут вовсе не в планах и / или кознях власти конкретной страны.   Вот, например, Китай начинает большой проект модернизации своей масштабной системы внутреннего наблюдения, меняя старые камеры на новые – с ИИ на борту. Речь не просто о замене на более умные камер. Это перевод всей системы от сбора и хранения видеозаписей к их семантическому пониманию: камеры начинают понимать происходящее, оператор может искать события обычным языком, система автоматически выделяет «аномальное поведение» и даже возникает предиктивная модель наблюдения. То есть происходит качественный переход: от пассивного видеонаблюдения к ИИ, а от ИИ – к системе «тотальный цифровой надзиратель». Специалисты уже описывают новую систему, как способную предсказывать беспорядки до того, как они начались. От «кто это сделал» – к «кто это сделает». И этот пример показывает, что табло, о котором мы говорим, – не метафора из будущего. Будущее уже наступило, только пока не у всех.   Эволюционный антрополог Ара Норензаян показал: когда человеческое общество преодолевало порог, при котором личное доверие переставало работать в больших социумах, социокультурная эволюция изобрела универсальное решение – всевидящего надзирателя с неотвратимым наказанием: Больших Богов. Не ради метафизики – ради масштабирования кооперации. И это работало 10 000 лет.   Сегодня – новый колоссальный скачок сложности. А социокультурная эволюция, как и биологическая, – бриколер: делает новое из старых подручных средств. И потому, столкнувшись с очередным скачком сложности, эволюция тянется к старому решению. Большой Брат становится новым Большим Богом. Та же функция. Новый субстрат. ✔️ Технологический фундамент для второго варианта табло уже есть. А эволюционное давление в его сторону все сильнее. Так что вопрос только в том, как быстро и в каком виде это внедрят в разных странах.   Подробней и в деталях: ·       почему именно контроль, а не децентрализация? ·       почему термодинамическая аналогия не оставляет системе иного выбора? ·       и как мы сами, добровольно, уже открыли эту дверь – в обмен на навигатор для вождения в несознанке? – читайте об этом в заключительном эссе цикла «Большой Брат – сын Большого Бога», озаглавленном «Почему тотальный контроль неизбежен».  

P.S. Когда в июне 2019-го я начинал цикл статей о «Большом Брате – сыне Большого Бога», мне казалось, что до возможной материализации этой антиутопии еще, как минимум, пара десятков лет. И потому я не спешил с публикацией новых статей цикла, полагая, что спешить некуда. Но один за другим прилетели два «Серых лебедя»: COVID-19 и «революция ChatGPT». И за 7 лет между 1-й и последней частями цикла, формулировки названий частей изменились из предположительной «Почему его воцарение в мире может быть неизбежным» в утвердительную – «Почему тотальный контроль неизбежен». И получился, что называется, worst case.

   Расширенный перечень материалов цикла см. здесь.   Поскольку все эти материалы публиковались в открытом доступе, заключительная часть цикла также открыта для всех на Medium и Дзен.   #БольшойБрат  #БольшиеБоги

🤖 Технодайджест недели

OpenAI выпустила GPT-5.6 и запустила ChatGPT Work. Новое семейство моделей состоит из трёх версий: флагманской Sol, сбалансированной Terra и самой дешёвой Luna. Также появился режим ultra, в котором модель запускает несколько агентов параллельно и распределяет между ними подзадачи. Одновременно OpenAI представила ChatGPT Work — это агент и единое приложение, которое приходит на смену отдельным ChatGPT и Codex. Work как раз построен на базе Codex и тоже может работать с файлами и приложениями на компьютере, но ориентирован на обычных пользователей и их задачи, например, работу с документами. Также на этой неделе вышел GPT-Live — новый голосовой движок, который умеет слушать и говорить одновременно, поддакивать в разговоре и молчать, когда пользователю нужно подумать.

Nothing представила бюджетный смартфон и наушники. Phone (4b) получил чип 4, OLED-экран на 120 Гц и основную камеру на 50 Мп, его цена — 329 евро (около 28 700 рублей). Наушники ear (3a) стоят $99 — это около 7550 рублей — выделяются функцией Audio Snapshot: у них есть 32 МБ собственной памяти, что позволяет записывать до минуты звука без обращения к смартфону, а также локально сохранять звонки до двух часов с последующей расшифровкой в текст.

Яндекс запустил роботакси между своими офисами в Москве. Машины курсируют между штаб-квартирой на Парке Культуры и офисом в Москве-Сити. За рулём находится водитель-испытатель, который не управляет машиной, а лишь следит за её поведением. Вызвать роботакси можно в приложении Яндекс Go. Пока воспользоваться им могут сотрудники Яндекса, но это подготовка к коммерческому запуску: до конца 2026 года Яндекс планирует вывести на улицы города 200 машин.

В Китае начали отключать ИИ-аватаров. ByteDance и Alibaba уберут пользовательских ИИ-персонажей из чат-ботов Doubao и Qwen, а Tencent уже отключила аналогичную функцию в Yuanbao. Причина — скорое вступление в силу нового китайского закона об ИИ, который запрещает сервисы, вызывающие эмоциональную зависимость и заменяющие живое общение.

Meta* выпустила новые нейросети для генерации текста и картинок. Muse Image генерирует и редактирует изображения, создаёт читаемый текст на картинках и может использовать публичные фотографии из аккаунтов Instagram*. Muse Spark 1.1 предназначена для агентов и работы с компьютером, поддерживает контекст до миллиона токенов и доступна разработчикам через API. * Meta, которой принадлежит Instagram, признана экстремистской организацией и запрещена в РФ

Подписывайтесь 👉 @techno_yandex